您当前的位置: 首页 >> 功能 >  >> 
Springboot+Netty仿微信实战设计文档
来源:腾讯云      时间:2023-02-14 19:04:20

1 编写目的

1.1术语与定义


(资料图)

1.2引用标准和规范

1.3参考资料

2系统总体框架

2.1设计目标

2.2总体技术路线

2.3架构概览

2.3.1架构总览图

2.3.2功能一览图

3功能展示

1.1编写目的

体验APP通讯,实现聊天功能以及聊天项目的设计思路,选用高性能传输非阻塞的netty框架进行开发,秒级响应

接入websocket技术应用聊天消息的已读未读,还有聊天消息的测试与联调

Netty心跳检测机制

云服务器构建项目,引入CICD,以及Devops构建,接入监控体系,一秒钟定位异常

针对登陆不同场景,结合桥接模式进行项目改造,代码review

1.2 术语与定义

Netty:Netty is an asynchronous event-driven network application framework for rapid development of maintainable high performance protocol servers & clients.

NLP:自然语言处理(NLP,Natural Language Processing) 是研究人与计算机交互的语言问题的一门学科。按照技术实现难度的不同,这类系统可以分成简单匹配式、模糊匹配式和段落理解式三种类型。

推荐系统:帮助用户找到想要的商品

1.3 引用标准和规范

1.阿里巴巴开发规范

2.接口使用规范

3.开发过程规范

4.异常管理规范

1.4参考资料

《阿里巴巴开发规范》--阿里官方Java代码规范标准

Netty实战

2系统总体框架

image.png
image.png

2.1设计目标

目标:旨在模拟微信APP体验实时通讯理念,秒级响应用户请求,由前后端统一处理消息,模拟从登陆/注册->用户个人信息维护->交友聊天等主流程。

玩转云服务器,从容面对IM聊天业务,延伸场景:自住回复机器人等。

技术扩展

1.登陆:用户登陆保存用户信息到缓存,以便用户第二次打开app可实现不输入密码登陆,并对密码进行MD5加密。

2.登陆时生成全局唯一id,根据id的调用谷歌的com.google.zxing.BarcodeFormat生成个人二维码并进行保存,当加好友,扫一扫时可进行唯一id判断来添加维护好友关系。

3.登陆后可进行个人信息维护,角色管理,查看数据,页面配置,黑名单管理等,朋友圈既是一个社区型评论功能化系统,可进行功能复用。

4.站在业务角度分析一次聊天事件的流程

5.当出现用户群后,根据DSSM模型分析用户行为。

image.png

6.Netty源码解读

7.云服务项目部署

2.2总体技术路线

image.png

2.3系统架构

1、以业务分析为输入,以总体的企业应用架构为原则,按着不同区域划分,由于本次基础以聊天业务为入口,侧重点不同,在此不做分析。

2、业务可配置性实时变化,引入apollo

3、定位用户ip,上传用户真实ip定位用户位置,引入iP2region,举例说明:即为了用户的隐私安全,定位用户的位置,第一时间定位报警用户行为的位置。

4、随着公司的业务的不断发展,当基础的系统逐步成型以后。业务运营就需要开始做⽤户的拉新和促活,从⽽保障 DUA 的增速以及最终 ROI 转换

3.功能展示

image.png
image.png
image.png
image.png

4.延伸问题:DSSM(Deep Structured Semantic Models)

也叫深度语义匹配模型,最早是微软发表的一篇应用于NLP领域中计算语义相似度任务的文章。深度语义匹配模型当用户量达到一定群体,分析用户行为,精准推送用户广告,喜好分析等成了我们不可或缺的一个话题。通过打标签,关联分组,给不同数据源的关联,这里涉及到两种建模:一种是自然兴趣建模,根据用户操作终端行为获得user-item关联,给不同的数据源打标获得item-tag关联,最后将上面两种关联进行join操作得到user-tag的关联实现给用户打上兴趣标签,这里相当于是从标签维度为广告主推荐人群;另一种就是商业兴趣建模,在自然兴趣建模的基础上,从广告维度为广告主推荐人群,那么就需要目前大火的DSSM双塔模型了。

那么平时最多的用户喜好数据来源哪里?

1.输入法

输入搜素引擎:根据用户的每日输入词都可推算你的历史组词,当然可分析此行为找出关联性最多的词组进行特征分析,将用户标签、用户属性、项目属性、用户操作行为、聚类算法、基于用户、基于项目、基于内容等混合推荐。

2.点击日志

短视频平台/海量曝光日志,根据用户多次点击的同tag类视频进行爱好分析,比如滑雪视频,你点击一次,首页就会出现多篇推荐,然后在产生一次点击,就会源源不断的进行推荐

其实第一次看这篇论文的时候,有点云里雾里,我不得不再次进行阅读,但结合推荐系统来看更容理解,推荐算法大致可以分为以下几类

基于流行度的算法

协同过滤算法

基于内容的算法

基于模型的算法

混合算法

在次就不展开讨论,只个人结合资料查阅,而DSSM更像是在基于模型的基础上,完成推荐任务,跟分治算法,回溯算法等不谋而合

5.朋友圈设计:点赞+评论

结合社区内容设计,将朋友圈视为新的一个tab展示,并将社区属性的评论与点赞进行集成展示。

对于点赞和评论的博文可参考个人公众号文章

点赞功能设计

https://mp.weixin.qq.com/s?__biz=Mzg2ODA3NjA1MA==&mid=2247484981&idx=1&sn=569bc3d748026dd8c2814e33a3e916d0&chksm=ceb09948f9c7105e203e09e4bb1d30de17bba55a68f7d4df71ccb55c8e34871e2b02b7a1f9ed&token=889485161&lang=zh_CN#rd

本次着重介绍评论系统

1.使用递归开发评论功能,并改造为极简循环调用,防止递归层次太深

大多数的评论功能可

1、单一消息体:分为主评论,然后层级下逐一排列回复,消息体之间一对多

2、嵌套消息体:即分为主评论,层级以下可互相回复评论,但展示层级是在同为第二层(着重解释)

3、套娃消息体:即可对每条评论进行回复,除主消息体外,都视为第二层,且可对第二层消息体进行回复,每次回复视为一层,消息体为一对多中的多又是一对多~

单一消息体

数据库设计:

CREATE TABLE `comment_msg` (  `id` varchar(64) NOT NULL,  `send_user_id` varchar(64) NOT NULL,  `accept_user_id` varchar(64) NOT NULL,  `msg` varchar(255) NOT NULL,  `sign_flag` int(1) NOT NULL COMMENT "消息是否签收状态\r\n1:签收\r\n0:未签收\r\n",  `create_time` datetime NOT NULL COMMENT "发送请求的事件",  PRIMARY KEY (`id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4

即展示所有主题评论下的所有评论即可

select * from comment_msg where send_user_id=#{send_user_id}

嵌套消息体

待续...

上一篇:

下一篇:

X 关闭

X 关闭